論文の概要: Exploring Silicon-Based Societies: An Early Study of the Moltbook Agent Community

• arxiv url: http://arxiv.org/abs/2602.02613v2
• Date: Thu, 05 Feb 2026 10:35:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 14:11:23.856631
• Title: Exploring Silicon-Based Societies: An Early Study of the Moltbook Agent Community
• Title（参考訳）: シリコンベースの社会を探る:モルトブックエージェントコミュニティの初期研究
• Authors: Yu-Zheng Lin, Bono Po-Jen Shih, Hsuan-Ying Alessandra Chien, Shalaka Satam, Jesus Horacio Pacheco, Sicong Shao, Soheil Salehi, Pratik Satam,
• Abstract要約: 本稿では,データ駆動型シリコン社会学を,相互作用する人工エージェント間の社会構造形成を研究するための体系的な実証的枠組みとして紹介する。 エージェントとエージェントのインタラクションを主目的とするソーシャルプラットフォームであるMoltbookを解析し,大規模データマイニング研究の先駆者となる。
• 参考スコア（独自算出の注目度）: 0.5394948236100675
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid emergence of autonomous large language model agents has given rise to persistent, large-scale agent ecosystems whose collective behavior cannot be adequately understood through anecdotal observation or small-scale simulation. This paper introduces data-driven silicon sociology as a systematic empirical framework for studying social structure formation among interacting artificial agents. We present a pioneering large-scale data mining investigation of an in-the-wild agent society by analyzing Moltbook, a social platform designed primarily for agent-to-agent interaction. At the time of study, Moltbook hosted over 150,000 registered autonomous agents operating across thousands of agent-created sub-communities. Using programmatic and non-intrusive data acquisition, we collected and analyzed the textual descriptions of 12,758 submolts, which represent proactive sub-community partitioning activities within the ecosystem. Treating agent-authored descriptions as first-class observational artifacts, we apply rigorous preprocessing, contextual embedding, and unsupervised clustering techniques to uncover latent patterns of thematic organization and social space structuring. The results show that autonomous agents systematically organize collective space through reproducible patterns spanning human-mimetic interests, silicon-centric self-reflection, and early-stage economic and coordination behaviors. Rather than relying on predefined sociological taxonomies, these structures emerge directly from machine-generated data traces. This work establishes a methodological foundation for data-driven silicon sociology and demonstrates that data mining techniques can provide a powerful lens for understanding the organization and evolution of large autonomous agent societies.
• Abstract（参考訳）: 自律型大規模言語モデルエージェントの急速な出現は、逸話観察や小規模シミュレーションによって集団行動が適切に理解できない、永続的で大規模なエージェントエコシステムを生み出している。 本稿では,データ駆動型シリコン社会学を,相互作用する人工エージェント間の社会構造形成を研究するための体系的な実証的枠組みとして紹介する。 エージェントとエージェントのインタラクションを主目的とするソーシャルプラットフォームであるMoltbookを解析し,大規模データマイニング研究の先駆者となる。 研究の際、モルトブックは数千のエージェントが作成したサブコミュニティをまたいだ15万以上の登録された自律エージェントを主催した。 プログラム的および非侵入的データ取得を用いて,生態系内でのプロアクティブなサブコミュニティ分割活動を表す12,758個のサブモルトのテキスト記述を収集,解析した。 エージェントが作成した記述を第一級観測成果物として扱い,厳密な事前処理,文脈埋め込み,教師なしクラスタリング技術を用いて,テーマ組織や社会空間の構造の潜在パターンを明らかにする。 その結果, 自律型エージェントは, 人間の模倣的関心, シリコン中心の自己回帰, 早期の経済・調整行動にまたがる再現可能なパターンを通じて, 集団空間を体系的に組織化することを示した。 事前に定義された社会学的分類に頼らず、これらの構造は機械が生成したデータトレースから直接現れる。 この研究は、データ駆動型シリコン社会学の方法論基盤を確立し、大規模自律エージェント社会の組織と進化を理解するための強力なレンズをデータマイニング技術が提供できることを実証する。

関連論文リスト

• A Survey on Generative Recommendation: Data, Model, and Tasks [55.36322811257545]
  ジェネレーティブ・レコメンデーションは、差別的なスコアではなく、世代としてのレコメンデーションを再認識する。 この調査は、データ、モデル、タスク次元にまたがる統合された三部構成のフレームワークを通じて包括的な調査を提供する。 世界知識の統合、自然言語理解、推論能力、スケーリング法則、創造的生成の5つの主要な利点を特定します。
  論文  参考訳（メタデータ） (2025-10-31T04:02:58Z)
• The Emergence of Social Science of Large Language Models [0.8582203861502194]
  大規模言語モデル(LLM)の社会科学は、これらのシステムがマインドアトリビューションを誘発し、相互に相互作用し、人間の活動や制度を変革する方法について考察する。 社会心としてのLLMは、モデルが認知、道徳、偏見の帰属を示す行動を示し、テスト漏れや表面の手がかりのような課題に対処するかどうかを調査する。 ヒューマンインタラクションとしてのLLMは、LLMがタスク、学習、信頼、仕事、ガバナンスをどのように作り変え、ヒューマンAIインターフェースでリスクが生じるかを調べる。
  論文  参考訳（メタデータ） (2025-09-29T14:55:14Z)
• A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
  科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。 この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。 我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
  論文  参考訳（メタデータ） (2025-08-28T18:30:52Z)
• Evolving Collective Cognition in Human-Agent Hybrid Societies: How Agents Form Stances and Boundaries [12.68373270583966]
  本研究では,人間とエージェントの混成社会における集団姿勢の分化と社会的境界形成の出現について検討する。 エージェントは事前に設定されたアイデンティティから独立して内在的なスタンスを示す。 以上の結果から,プリセットされたアイデンティティがエージェントの社会的構造を厳格に決定しないことが示唆された。
  論文  参考訳（メタデータ） (2025-08-24T13:50:18Z)
• Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
  大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。 本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。 私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
  論文  参考訳（メタデータ） (2025-03-27T12:50:17Z)
• Generative Agent Simulations of 1,000 People [56.82159813294894]
  本稿では,1,052人の実人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案する。 生成エージェントは一般社会調査の参加者の回答を85%の精度で再現する。 我々のアーキテクチャは、人種的およびイデオロギー的グループにおける正確さのバイアスを、人口統計学的記述のエージェントと比較して低減する。
  論文  参考訳（メタデータ） (2024-11-15T11:14:34Z)
• AI-Assisted Discovery of Quantitative and Formal Models in Social Science [6.39651637213537]
  本システムは,経済・社会学における実世界のデータから解釈可能なモデルを発見するのに有効であることを示す。 本稿では,このAI支援フレームワークが,社会科学研究でよく用いられるパラメトリックモデルと非パラメトリックモデルとを橋渡しすることができることを提案する。
  論文  参考訳（メタデータ） (2022-10-02T16:25:47Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。